题目 基于SVM的真彩图像分割模式识别系统的设计与实现 1．1 题目的主要研究内容
（1）数字图像处理是一个跨学科的领域。随着计算机科学技术的不断发展，图像处理和分析逐渐形成了自己的科学体系，新的处理方法层出不穷,尽管其发展历史不长,但却引起各界人士的广泛关注。首先，视觉是人类最重要的感知手段,图像又是视觉的基础,因此,数字图像成为心理学、生理学、计算机科学等诸多领域内的学者们研究视觉感知的有效工具。其次，图像处理在军事、遥感、气象等大型应用中有不断增长的需求。
图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分为以下几类:基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。近年来，研究人员不断改进原有的图像分割方法并把其他学科的一些新理论和新方法用于图像分割,提出了不少新的分割方法。
图像分割的应用包括：医学影像的处理、在卫星图像中定位物体(道路、森林等)、人脸识别、指纹识别、交通控制、机器视觉等。
鲑鱼降钙素
现已有许多各种用途的图像分割算法。图像分割问题没有统一的解决方法，通常要与相关领域的知识结合起来，这样才能更有效地解决。
图像分割的本质是对图像中的每个像素加标签(分类)，这一过程使得具有相同标签的像素具有某种共同的视觉特性。本设计将使用SVM对真彩图像进行图像分割，测试表明SVM可以对图像进行有效分割。
（2）测试使用的真彩图像如图1-1所示，一只可爱的黄小鸭子在水面上捕食一只苍蝇。小鸭子及其在水中的倒影是偏黄的，背景是偏蓝的，该图片文件名为littleduck.jpg。现利用SVM将小鸭子从背景中分离出来。
图1-1 测试使用的真彩图像
2012年中央电视台中秋晚会
利用支持向量机进行图像分割，本质就是进行分类。首先需要到区分不同像素点的特征，由于这幅图片的颜对比鲜明，因此可以直接选取像素点的RGB值作为特征。偏黄的点作为鸭子的特征点，偏蓝的点作为湖水的特征点，另外考虑鸭子的眼睛是黑的，因此也可以适当选取一两个黑的像素点作为鸭子的特征。 具体算法步骤如下：
Step1：读入一副原始图像，随机选取图像中适量的像素点作为训练样本；Step2：通过与分割参考图对比，对样本进行类别标记；
Step3：提取样本的特征向量；
Step4：确定SVM模型的参数以及核函数的类型，然后用训练样本训练SVM分类器；
Step5：用SVM分类器对原始图像中其他像素点分类，实现图像分割。
下图1-2为基于SVM的真彩图像分割流程图。
澳门特别行政区区徽图1-2 系统流程图
1．2 题目研究的工作基础或实验条件
（1）硬件环境：装有MATLAB R2022a 的计算机
（2）软件环境：Windows 10 操作系统，实验平台为 MATLAB 。
塞内加尔Matlab平台是目前应用最为广泛的平台之一，能够对数据进行仿真测试，也拥有强大而便捷的运算能力。并且 Matlab平台自身也带有很封装好的多函数库和工具箱，极大的方便了使用者。这也是很多人在计算机应用，模式识别，机器学习等领域的首选平台之一。
1．3 数据集描述
读入图像，对图像进行处理，将文件littleduck.jpg放到MATLAB当前工作目录(路径)(Current Folder)下,使用im-read函数读取图像数据。读入图像，放在矩阵pic里。读入的图像数据 pic是一个439行、600 列、3页的三维矩阵，数据类型为8位无符号整型。
选取前景(鸭子)和背景(湖水)样本点确定训练集，利用ginput函数来提取背景(湖水)的样本
点和前景(鸭子)(待分割出来的目标)的样本点作为训练样本，需要说明的是，选取样本点(训练点)时有一个技巧，就是可以选取比较有代表性的一些点作为训练点。比如选取鸭子边缘附近和眼睛里的点作为样本点，最初选取的训练点可能导致图片分割得不是很完美，例如鸭子后面溅起的水花被分割成鸭子区域，这时候可以对错分的水花区域添加一两个典型点到湖面区域，一般尝试几次后就可以将鸭子图像从整个图像中分割出来了。
1．4 特征提取过程描述
一般图像特征包括颜特征、纹理特征、形状特征、空间关系特征。对于彩图像的纹理和颜都是重要的信息，但是纹理信息对图像分割的效果并不明显，所以选取图像的颜信息作为图像的特征空间。用SVM对图像进行分割就是对图像的像素点进行分类的过程。无论是训练样本还是测试样本都依赖图像的像素信息。一般图像特征包括颜特征、纹理特征、形状特征、空间关系特征。本设计采用图像像素点的颜特征来描述样本的信息，对图像提取颜，将其作为训练样本的特征属性。 颜特征是彩图像分割中应用最为广泛的视觉特征,因为颜和图像中的物体或场景有着十分密切的联系。另外，颜特征不完全图像的视角、尺寸、方向等决定，所以比其他视
觉特征鲁棒性更高。
限流熔断器对图像内容的颜特征研究需要在颜空间之中考虑，人常用的颜空间有 HSI、HSV、RGB、CMY、HSB、Ycc、XYZ、Lab、YUV 等，选择使用哪种颜空间到现在为止并没有标准，人最常使用的是 RGB 空间，RGB 空间的缺点是：空间结构与人对颜主观判断不相符，所以一般选择视觉一致性颜空间，这种颜空间比较接近人对颜的主观认识。根据人眼的结构，所有的颜都可以看作是红、绿、蓝的不同组合。每个像素都能用表示成三维空间中的一个点，如图1-3所示。在原点上，红、绿、蓝三基都没有亮度，所以源点表示黑。而原点的对角线上，红、绿、蓝三种基都达到了最高亮度，这个点坐标值为 (1,1,1) ，该点表示白。亮度稍低，并且三基等量的点表示灰。
RGB 颜空间用来表示颜，和人类的直觉感受不相符，如果给定某一 RGB 值，人无法感受到该值所对应的颜；而且 RGB 颜空间表达颜的尺度不一致，与人的感知心理不相符。由于不是一个均匀视觉的颜空间，RGB 颜空间上的距离并不代表人眼视觉上的颜相似性。但RGB的特点是方法简单，对于一般的图片而言进行图像分割时的占用资源较少，操作简便，易于理解。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议